[发明专利]一种未知复杂系统输入信号的检测方法及装置

说明书

本发明公开了一种未知复杂系统输入信号的检测方法及装置。所述未知复杂系统输入信号的检测方法包括：获取未知复杂系统的可观测输出信号；根据所述可观测输出信号构建高维观测空间；根据所述高维观测空间构建所述未知复杂系统在低维近似相空间中的线性演化轨迹和等效输入驱动信号；根据所述线性演化轨迹和所述等效输入驱动信号检测出所述未知复杂系统的输入信号，从而有效提高对未知复杂系统输入信号检测的可靠性。

技术领域

本发明涉及信息技术领域，特别是指一种未知复杂系统输入信号的检测方法及装置。

背景技术

复杂未知机理场景下的可靠数据处理与信息提取，在探索基础自然科学(如生物、物理机理的发现)与工程实践应用(如复杂场景下信息传输)起着愈来愈关键的作用。在此背景下，以贝叶斯统计方法(Bayesian statistical methods)为代表的最佳信号检测与信息处理方法，将会面临着巨大挑战。在诸多实际场景中，由于待分析的未知系统具有高度复杂性(譬如涉及复杂线性动力学或非线性动力学)与不可观测性，仅可借助可观测的系统输出响应，来检测或推断未知系统输入信息。因此，也就无法直接建立未知输入与输出响应之间的概率映射关系，致使主流的贝叶斯方法无法检测、提取未知输入信息，更遑论对未知的未知复杂系统机理进行分析与重构。

与此同时，以深度学习为代表的机器学习和人工智能方法不断完善，近年来在工程实践中取得了飞速发展，譬如计算机视觉与疾病自动诊断等领域。然而，目前此类无模型方法还是主要依赖大量的训练样本(huge training-corpus)与强监督学习过程(strongsupervised-learning)，而在无标记、小样本信号检测与信息处理场景中变得难以施展。另外，待分析的未知复杂系统大都呈现出动态特性，即在给定相同输入的情况下，系统内部机理与可观测输出也随时间发生动态改变，现有机器学习方法对此类开放动态环境的学习效果欠佳，无法及时跟踪系统动态迁移特性，导致性能很差，乃至学习过程发散，无法取得良好效果。

发明内容

有鉴于此，本发明的目的在于提出一种未知复杂系统输入信号的检测方法及装置，能够有效提高对未知复杂系统输入信号检测的可靠性。

基于上述目的本发明提供的未知复杂系统输入信号的检测方法，包括：

获取未知复杂系统的可观测输出信号；

根据所述可观测输出信号构建高维观测空间；

根据所述高维观测空间构建所述未知复杂系统在低维近似相空间中的线性演化轨迹和等效输入驱动信号；

根据所述线性演化轨迹和所述等效输入驱动信号检测出所述未知复杂系统的输入信号。

进一步地，所述根据所述可观测输出信号构建高维观测空间，具体包括：

对所述可观测输出信号进行采样，获得可观测输出序列y(n)∈R^N×1；

根据所述可观测输出序列构建所述可观测输出信号的局部平均能量基函数y₁(n)、局部方差变化基函数y₂(n)、局部能量变化基函数y₃(n)、局部标准差凹凸性基函数y₄(n)和幅值特性基函数y₅(n)，以获得所述高维观测空间Ψ＝{y_i(n),i＝1,2,3,4,5}；

y₂(n)＝var[y(n+1:n+Q)]-var[y(n-Q:n-1)]；

y₅(n)＝abs[y(n)]；

其中，n为离散采样时间，Q为局部评估长度。